R 将具有值的多列按包含键的一列展开

输入数据：

> head(iris[c(48:50, 98:100), 3:5])
    Petal.Length Petal.Width    Species
48           1.4         0.2     setosa
49           1.5         0.2     setosa
50           1.4         0.2     setosa
98           4.3         1.3 versicolor
99           3.0         1.1 versicolor
100          4.1         1.3 versicolor

输出数据：

setosa.Petal.Length versicolor.Petal.Length setosa.Petal.Width versicolor.Petal.Width 
1.4                 4.3                     0.2                1.3
1.5                 3.0                     0.2                1.1
1.4                 4.1                     0.2                1.3

例如，使用：

spread(
  iris%>%mutate(n=row_number()), 
  key=Species, 
  value=Petal.Length:Petal.Width) 
  #or c("Petal.Length", "Petal.Width")` 

---

不起作用

我一直在写我的答案，直到我看到了很好的评论，我用他的话修改了我的答案

我明白了：

df <- iris %>%
  select(c(starts_with("Petal"), Species)) %>%
  gather(key, value, -Species) %>%
  unite(tmp, Species, key, sep=".") %>%
  group_by(tmp) %>%
  mutate(indx = row_number()) %>%
  spread(tmp, value)

df%
选择（c（以“花瓣”开头）、种类））%>%
聚集（键、值、物种）%>%
联合（tmp、物种、键、sep=“.”）%>%
分组依据（tmp）%>%
变异（indx=行数（））%>%
价差（tmp，价值）

我不知道

unite（）

函数，这是主要区别

---

---

Obs：因为我不能发表评论，所以我需要发布一个答案，如果你觉得我在窃取你的答案，我可以删除这个。遇到这个问题，我对“大数据集”的说法很好奇。作为tidyverse的狂热粉丝，我经常在大型电视台工作时进行绩效基准测试。对于这个例子，这就是我想到的，它非常支持使用基本包函数，而不是使用tidyverse调用的管道

出于这些目的，使用拆分和基函数比使用管道快得惊人。有人对此有任何反馈吗？？？ 复制iris数据集以伪造更大的数据集

iris_1000 <- plyr::ldply(1:1000, function(i){
  iris
})

因此，这将表示一个大小为：

sprintf("%s MB", object.size(iris_1000) * 0.001^2)
[1] "5.401688 MB"

将提供的anser包装在函数调用中以进行测试，但进行更改，使其应用于所有列，而不仅仅是包含“Petal”的列，并删除索引列并作为数据帧返回

tidy_fn <- function(){
  iris_1000 %>% 
    gather(key, value, -Species) %>%
    unite(tmp, Species, key, sep=".") %>%
    group_by(tmp) %>%
    mutate(indx = row_number()) %>%
    spread(tmp, value) %>% 
    select(-indx) %>% data.frame
}

---

可以执行类似于

df%>%gather（key，value，-Species）%%>%unite（tmp，Species，key）%%>%groupby（tmp）%%>%mutate（indx=row_number（））%%>%spread（tmp，value）

perhaps@David但是您的代码生成长度为

numberOfColumns*numberOfRows

的向量，因此，对于大型数据集，会有问题，我不确定您到底关心什么。速度还是内存使用？如果速度很快，就不要使用tidyverse，试试像

library（data.table）这样的方法；dcast（melt（setDT（df），“物种”），rowid（物种，变量）~物种+变量）

。如果是内存使用情况，那么您可能需要使用一些非分割的方法（例如

lappy

），以便在间隙中运行操作。我不确定OP是否关心性能或内存使用情况。我对后者印象深刻。如果您使用的是大数据集，那么tidyverse的速度很慢也就不足为奇了。这是早已为人所知的事实。tidyverse agenda在性能方面是“简单语法”。如果速度是个问题，我只需要使用

library（data.table）；dcast（熔体（setDT（df），“物种”），rowid（物种，变量）~物种+变量）

tidy_fn <- function(){
  iris_1000 %>% 
    gather(key, value, -Species) %>%
    unite(tmp, Species, key, sep=".") %>%
    group_by(tmp) %>%
    mutate(indx = row_number()) %>%
    spread(tmp, value) %>% 
    select(-indx) %>% data.frame
}

baseish_fn <- function(df, col_split){

  df_split <- split(df, df[[col_split]])

  df_loop <- lapply(names(df_split), function(i){
    iter_df <- df_split[[i]][-which(colnames(df_split[[i]]) == col_split)]
    new_names <- sprintf("%s.%s", i, colnames(iter_df))
    colnames(iter_df) <- new_names
    iter_df
  })
  names(df_loop) <- NULL
  as.data.frame(df_loop)
}

tidy_val_test <- tidy_fn()

microbenchmark::microbenchmark(
  tidyverse = tidy_fn(),
  `base-ish` = baseish_fn(iris_1000, "Species")[colnames(tidy_val_test)],times = 100L
)

Unit: milliseconds                                                       
      expr       min        lq     mean   median        uq      max neval
 tidyverse 378.46753 419.93116 447.8020 438.5375 466.78367 718.9666   100
  base-ish  76.57918  83.21915  92.8109  87.8329  94.58085 342.2290   100

all(mapply(function(i){
    identical(tidyverse[[i]], `base-ish`[[i]])
},colnames(tidyverse)))

[1] TRUE


head(`base-ish`[1:4,1:5])
  setosa.Sepal.Length setosa.Sepal.Width setosa.Petal.Length setosa.Petal.Width
1                 5.1                3.5                 1.4                0.2
2                 4.9                3.0                 1.4                0.2
3                 4.7                3.2                 1.3                0.2
4                 4.6                3.1                 1.5                0.2
  versicolor.Sepal.Length
1                     7.0
2                     6.4
3                     6.9
4                     5.5